GNN para la clorofila de una laguna: ¿aporta algo el grafo?

Novena entrega de Radiografía del clúster. En la entrada de resumen esta línea aparecía como detección de intrusiones. Los scripts cuentan otra cosa: las redes de grafos son ambientales, y la detección de intrusiones llega en septiembre como piloto.

La pregunta #

La concentración de clorofila es el indicador más directo del estado de una laguna costera: anticipa episodios de eutrofización y floraciones. Se puede estimar desde satélite, pero la relación entre reflectancia y clorofila depende del lugar, del momento y de lo que pasa alrededor. La línea pregunta si una red neuronal de grafos que conecta puntos de la laguna en el espacio y en el tiempo predice mejor que los modelos tabulares, y, sobre todo, si el grafo aporta información real o solo actúa como un suavizado.

Cómo se aborda #

Los datos son reflectancias de Sentinel-2 (procesador C2X-Complex), en ventanas de 5×5 y 9×9 píxeles y a varias profundidades, entre 2016 y 2023. El grafo es espaciotemporal: los nodos son puntos de la laguna en cada fecha, y las aristas los unen con sus vecinos espaciales y con sus propias observaciones anteriores. Se comparan GCN, GAT y GraphSAGE y su ensemble, con Optuna para los hiperparámetros y veinte semillas.

Los experimentos de agosto son la respuesta a una revisión de artículo, y están descritos con precisión quirúrgica en los scripts:

• A. Baselines espaciotemporales sin grafo (XGBoost, procesos gaussianos) con partición aleatoria.
• A2 y A2i. La GNN con presupuesto igualado, en modo transductivo e inductivo estricto: «A2 − A2i cuantifica lo que el grafo gana por ver las características de los nodos apartados».
• B y C. Validación temporal honesta: entrenar con 2016-2021 y probar con 2022-2023, y dejar un año fuera de 2018 a 2023.
• D. Ablación de aristas: solo espaciales, solo temporales, aleatorias conservando el grado, aleatorias uniformes. «random_degree es el brazo decisivo: si iguala a “full”, el paso de mensajes actúa como suavizado genérico y la estructura concreta no aporta nada».
• E. Aprendizaje de la estructura del grafo con puertas, «para que el mecanismo se evalúe como contribución y no se demuestre una vez».

Qué se aprende #

El diseño ya es una lección: la pregunta de si el grafo aporta algo no se responde con una tabla de errores, sino con un control que conserva la estadística del grafo (el grado de cada nodo) y destruye su estructura. Si ese control rinde igual, la GNN es un suavizador caro. Y la validación temporal por bloques protege de la trampa habitual de las series ambientales: una partición aleatoria deja que el modelo vea el futuro.

Al lado, la misma persona exploró humedad del suelo con LSTM y CNN por parcela, y en septiembre abrió el piloto de AutoML para detección de intrusiones sobre el conjunto público CICIDS2017 con Ray: treinta y cuatro trabajos, la mayoría pruebas cortas, y una ejecución completa de diez horas.

En el clúster #

Las cuatro tareas del array de revisión, una por profundidad, duraron entre 30 y 38 horas cada una en una L40S: 135 de las 162 horas de GPU de la línea.

La décima y última entrega cierra la serie con la infraestructura que sostiene a las demás.

Cifras de la contabilidad de Slurm (capacidad reservada, no uso medido) y de los sbatch archivados. Entrada anonimizada: sin usuarios, rutas, correos ni nombres de proyecto identificables. Las citas son de los comentarios de los scripts.